基于步行时地面反作用力的身份识别方法技术

本发明专利技术公开了一种基于步行时地面反作用力的身份识别方法，特征是利用由隐藏在地面或地板下的三维力测力平台组成的步态通道采集步行时的步态信息，并对其进行数据预处理，再采用小波包分解算法提取小波包分解系数、小波包能量、小波包分解系数的均值和方差表征步态特征，训练过程中利用特征选择算法和支持向量机分类器建立已训练的步态特征模板和分类模板，识别过程中利用已训练的步态特征模板对提取的待识别对象的步态特征进行特征映射，再利用已训练的分类模板对其进行模板匹配和识别，输出识别结果。本发明专利技术的步态信息采集和识别过程具有隐蔽性，不会引起察觉和人权纠纷，可以更好地满足高科技时代安全敏感场所的身份鉴别和安全防范需求。

【技术实现步骤摘要】

本专利技术属于模式识别
，特别涉及。
技术介绍
当今世界面临严峻的恐怖袭击和金融盗窃等安全难题，身份识别或认证变得越来越重要，尤其在机场、海关、博物馆、晚会现场、银行和金库等安全敏感场所。生物特征识别技术是利用人体固有的生理特征和行为特征来实现个体身份识别或认证，由于所选用的生物特征是人体固有的，能随身携带，不需要记忆，具有唯一性和难以复制性等特点，更适用于新的安全需求下的身份识别或认证。目前，用于身份识别的生物特征已有十多种，其中，生理特征主要有指纹、人脸、虹膜、掌纹、掌形、人耳、视网膜、DNA以及气味等，行为特征主要有签名、语音、击键以及步态等。指纹、掌纹、掌形、虹膜、人脸、DNA、语音和签名等识别技术已有较为成熟的产品，它们在各自的应用领域中均起到了积极的作用。但遗憾的是，指纹、人脸、虹膜、掌纹、掌形、人耳、视网膜、DNA、气味、签名、语音和击键等生物特征识别技术在实际应用时均需要被检对象密切配合才能完成信息采集，不具备隐蔽性，易引起犯罪分子的察觉进而采取反侦察手段。与此同时，所用的生理特征都是静态特征，易于伪造；击键、语音和签名这三种行为特征也容易被模仿；除高级的人脸识别外，以上提及的生物特征识别技术都是接触式采集和近距离识别，容易引起人权争议和外交风波，不太适用于出入境口岸的反恐安检需求。DNA鉴别技术虽然可靠性高，但采样也不是隐蔽式的，且其分析过程较长，要求高端的仪器设备，目前仅局限于实验室使用和法律鉴定中。也就是说，基于这些生理特征和击键、语音和签名这三种行为特征的生物特征识别技术是近距离身份识别技术，不能很好地适应当前安全形势下的身份识别要求。因此，需要发展和应用远距离身份识别技术。目前，可用于远距离身份识别的生物特征有人脸和步态。由于远距离人脸识别依然采用的是摄像机或照相机获取的人脸图像信息，其识别和近距离人脸识别同样受光照、人或物遮挡和背景影响较大，而且拥挤人群或复杂环境下的人脸跟踪更是一大难题。步态识别通过人走路的姿势和/或留下的足迹对身份进行识别和认证，人们都会有这样一个认知经验:我们总能在人群中通过观察他/她的走路很远就认出熟悉的人，或者在没见到其人的情况下听到走步声就能认出熟悉的人，这个认知经验也已经被精神物理学家用实验验证了，他们指出:即使在很差的观察环境中，人类也有能力根据步态辨别行走者的身份。在计算机视觉领域，步态识别相对于人脸识别更具优势，它利用人的行走行为特征，不像人脸那样容易用脸模或化妆等手段就能蒙混过关；在有些特殊事件中也能发挥作用，比如在银行抢劫和博物馆文物盗窃等事件中，犯罪嫌疑人戴上面罩或帽子就能隐藏脸像而逃过摄像机的追踪，但步态仍然是可见的，还是可以进行步态的鉴别来判断其是否为真正的罪犯，前提条件是犯罪嫌疑人没有刻意改变其步态。实际上，人们可以在视觉形貌上将别人的步态模仿得很像，产生几乎一样的步态图像信息，从而导致计算机视觉上的步态识别方法无法正确区别。因此，需要研究和发展基于其他步态信息的身份识别方法。中国专利ZL01144157.7公开了一种通过人体步行的步态图像序列来识别人员的方法，该方法信息采集具有非接触性和隐蔽性等优点，采取了空间轮廓分割、主成分分析和个性化体格特征辅助校验等方法来提高识别率和降低计算代价，但是这种基于步态图像的方法由于使用普通摄像机拍摄步态图像，还不能完美地解决复杂背景、遮挡和噪声干扰的问题，也没有考虑刻意模仿步态的问题。中国专利ZL200410014352.9公开的一种由四个六轴力平台构成的多轴力平台阵列，并通过该平台阵列获取人体行走时动态步态信息的方法，该平台阵列可用于人体平衡能力、协调能力和神经系统功能的测试和分析，但没有涉及步态特征提取和步态识别的方法。美国专利US 2002/0107649A1公开的一种“步态检测系统、检测装置、设备和步态检测方法”(Gait detection system, gaitdetectionapparatus, device, and gait detection method),检测步行时的声振荡信号并用作个人识别系统，该系统要求在人体上放置麦克风(声-电转换器)，麦克风通过采集步行运动过程中的声振荡能量而获得电信号子集，使用此电信号子集作为一步的指标来检测步行周期，收集表示脚着地时的声振荡的信号子集，系统基于此信号子集提取人体特定的步态特征，并将其用于个人识别。该个人识别系统有两个不足:一是着地时的声振荡随着麦克风在人体上的放置部位而改变；二是由于受麦克风周围噪音和电噪声的主要影响，不能准确地确定表示脚着地时的声振荡电信号，也就难以准确地提取步态波形的特征。专利申请国际公布号W0/2004/040501公开的“步态波形特征提取方法与个人识别系统”(Gait waveformfeature extracting method and individual identification system)以规定步页带内的波形峰值振幅作为参考指标，并从电场位移检测器中检测到的电信号中确定一步的步态波形和提取步态波形特征的方法和个人识别系统，可以不受左、右腿之间的电荷干涉和传感器在身体上的安装部位影响，但尚不适用于存在复杂电磁干扰的环境中。而且，美国专利US2002/0107649A1和国际公布号W0/2004/040501开的技术方案中，其步态信息仍然是依靠安置在身体上的传感器采集，仍然是接触式测量方式，被测者能够觉察得到，从而可能导致犯罪分子因觉察而采取反侦察手段蒙混过关，甚或可能被激怒以致于在人群中制造恐怖事件。
技术实现思路
本专利技术的目的是提出一种，以隐蔽和非接触测量方法使得识别过程不易被发觉，避免被识别对象蒙混过关，以适用于海关、机场、博物馆、晚会现场、银行和金库等安全敏感场所的身份识别。本专利技术，其特征在于包括训练过程和识别过程；所述训练过程包括:利用由隐藏在地面或地板下的三维力测力平台组成的步态通道采集步行时的步态信息并建立步态数据库，进行数据预处理、步态特征提取、步态特征选择和分类器训练，最终得到已训练的步态特征模板和分类模板；所述识别过程包括:获取待识别对象的实时步态信息以得到测试样本，对测试样本进行数据预处理、步态特征提取，利用已训练的步态特征模板对待识别对象提取的步态特征进行特征映射，再利用已训练的分类模板按照最近邻原则对测试样本进行模板匹配和识别，输出识别结果；所述步态信息是通过三维力测力平台采集的单步的地面反作用力，或连续多个单步的地面反作用力在时序上累加得到合成的地面反作用力；所述单步的地面反作用力或合成的地面反作用力都由左右方向剪切力、前后方向剪切力和垂直方向支撑力这三个分量组成；所述数据预处理包括去噪和有效样本挑选；所述去噪是指采用小波变换阈值法对地面反作用力数据进行分解和重构处理；所述有效样本挑选是指根据去噪后的地面反作用力中垂直方向支撑力的数据维数和峰值点数值是否在有效范围内判断，挑选在有效范围内的地面反作用力数据作为有效样本；所述有效范围是指与所采用的三维力测力平台的个数Np和采样频率Fp相关的数值范围，对于单步的地面反作用力，如果其中垂直方向支撑力的数据维数低于0.4Fp或高于0.8Fp，或垂直方向支撑力的波峰和波谷的纵坐标值相差超过300，即本文档来自技高网...

【技术保护点】
一种基于步行时地面反作用力的身份识别方法，其特征在于包括训练过程和识别过程；所述训练过程包括：利用由隐藏在地面或地板下的三维力测力平台组成的步态通道采集步行时的步态信息并建立步态数据库，进行数据预处理、步态特征提取、步态特征选择和分类器训练，最终得到已训练的步态特征模板和分类模板；所述识别过程包括：获取待识别对象的实时步态信息以得到测试样本，对测试样本进行数据预处理、步态特征提取，利用已训练的步态特征模板对待识别对象提取的步态特征进行特征映射，再利用已训练的分类模板按照最近邻原则对测试样本进行模板匹配和识别，输出识别结果；所述步态信息是通过三维力测力平台采集的单步的地面反作用力，或连续多个单步的地面反作用力在时序上累加得到合成的地面反作用力；所述单步的地面反作用力或合成的地面反作用力都由左右方向剪切力、前后方向剪切力和垂直方向支撑力这三个分量组成；所述数据预处理包括去噪和有效样本挑选；所述去噪是指采用小波变换阈值法对地面反作用力数据进行分解和重构处理；所述有效样本挑选是指根据去噪后的地面反作用力中垂直方向支撑力的数据维数和峰值点数值是否在有效范围内判断，挑选在有效范围内的地面反作用力数据作为有效样本；所述有效范围是指与所采用的三维力测力平台的个数Np和采样频率Fp相关的数值范围，对于单步的地面反作用力，如果其中垂直方向支撑力的数据维数低于0.4Fp或高于0.8Fp，或垂直方向支撑力的波峰和波谷的纵坐标值相差超过300，即判定为无效样本，否则判定为有效样本；对于由Np个三维力测力平台采集的连续多个单步合成的地面反作用力，如果其中垂直方向支撑力的数据维数低于0.4Fp×Np或高于0.8Fp×Np，或垂直方向支撑力的波谷的个数少于Np个，或垂直方向支撑力的所有波谷的纵坐标值的最大最小值相差超过300，即判定为无效样本，否则判定为有效样本；所述步态特征提取是指采用小波包变换方法从地面反作用力中提取小波包分解系数、小波包能量、小波包分解系数的均值和方差来表征步态特征；所述分类器训练是指采用支持向量机分类器对训练样本进行训练，得到已训练的分类模板。...

【技术特征摘要】
1.种基于步行时地面反作用力的身份识别方法，其特征在于包括训练过程和识别过程; 所述训练过程包括:利用由隐藏在地面或地板下的三维力测力平台组成的步态通道采集步行时的步态信息并建立步态数据库，进行数据预处理、步态特征提取、步态特征选择和分类器训练，最终得到已训练的步态特征模板和分类模板； 所述识别过程包括:获取待识别对象的实时步态信息以得到测试样本，对测试样本进行数据预处理、步态特征提取，利用已训练的步态特征模板对待识别对象提取的步态特征进行特征映射，再利用已训练的分类模板按照最近邻原则对测试样本进行模板匹配和识另Ij，输出识别结果； 所述步态信息是通过三维力测力平台采集的单步的地面反作用力，或连续多个单步的地面反作用力在时序上累加得到合成的地面反作用力； 所述单步的地面反作用力或合成的地面反作用力都由左右方向剪切力、前后方向剪切力和垂直方向支撑力这三个分量组成； 所述数据预处理包括去噪和有效样本挑选；所述去噪是指采用小波变换阈值法对地面反作用力数据进行分解和重构处理；所述有效样本挑选是指根据去噪后的地面反作用力中垂直方向支撑力的数据维数和峰值点数值是否在有效范围内判断，挑选在有效范围内的地面反作用力数据作为有效样本；所述有效范围是指与所采用的三维力测力平台的个数Np和采样频率Fp相关的数值范围，对于单步的地面反作用力，如果其中垂直方向支撑力的数据维数低于0.4Fp或高于0.8Fp，或垂直方向支撑力的波峰和波谷的纵坐标值相差超过300，即判定为无效样本，否则判定为有效样本...

【专利技术属性】
技术研发人员：姚志明，夏懿，孙怡宁，周旭，张涛，杨先军，马祖长，窦少彬，
申请(专利权)人：中国科学院合肥物质科学研究院，
类型：发明
国别省市：